5,443
个编辑
更改
跳到导航
跳到搜索
第82行：
第82行： − − ===外推法估计有效信息=== − − 使用推法来估计EI。具体公式为： − − <math> − EI_{\text{parts}}(s) = \frac{A}{s^\alpha} + C − </math> − − 其中： − <math>s</math> 是样本数量。 − <math>A</math>、<math>\alpha</math> 和 <math>C</math> 是通过拟合实验数据得到的参数。 − − 通过拟合少量样本的 EI 值，可以外推出大样本下的 EI 值。 − − 通过以上这些步骤，EI 能够量化神经网络中层与层之间的因果关系，并揭示网络在训练过程中因果结构的变化。
→基于互信息的有效信息计算
简并性反映了网络中因果关系的冗余程度。
简并性反映了网络中因果关系的冗余程度。
=基于NIS框架的有效信息计算=
=基于NIS框架的有效信息计算=